A.I. Holder hemmeligheten til skapelsen av kvante datamaskiner

Kvantum datamaskiner holder nøkkelen til å oppnå det som anses som umulig med dagens konvensjonelle databehandlingssystemer. Selv om en fullt funksjonell ennå ikke er opprettet, har kvantesimulatorer - eller mindre systemer ment å løse bestemte problemer - allerede vist muligheten til å overgå moderne superdatamaskiner ved bestemte oppgaver.

Disse kvantekonstruksjonene kan drive en utallig mengde operasjoner med latterlig hastighet. Dette kan bare virke som en fordel, men Dr. Giuseppe Carleo fra Center for Computational Quantum Physics ved Flatiron Institute i New York forklarer at kvantecomputers største ressurs faktisk er en viktig veisklokke.

"Kontrollerer at den bærbare datamaskinen fungerer riktig, er ganske enkel, gjør det samme for kvante datamaskiner mer komplisert," forteller Carleo. Omvendt. "Hver gang du kjører et program på dem, er produksjonen ikke bestemt, noe som resulterer i mange svar på ett spørsmål. Dette er det som gjør en kvantecomputer så kraftig, men det betyr også at det er vanskeligere å vurdere om resultatene er helt tilfeldige, eller hvis de er riktige."

Men Carleo og en gruppe internasjonale forskere har funnet ut en måte å raskt revidere komplekse kvantesystemer ved hjelp av kunstig intelligens. Deres studie, som ble publisert i tidsskriftet Naturfysikk 26. februar gir en teknikk som vil være nødvendig for å vise at fremtidens kvante datamaskiner faktisk fungerer.

Måten kvantumsystemer lagrer informasjon er det som gjør dem så vanskelige å verifisere.

Den minste dataenheten i en datamaskin er litt, som må være en eller en null. Quantum databehandling systemer bruker "qubits", som kan representere begge en og null samtidig. Denne lille endringen gjør det mulig for disse datamaskinene å takle en ufattelig mengde oppgaver. En serie på 50 qubits kan representere 10.000.000.000.000.000 tall, dette ville ta opp petabytter av plass i en tradisjonell datamaskin og ville være helt umulig for forskere å gå tilbake og sjekke.

Carleo og hans høyskoler brukte maskinlæringsteknikker for å i hovedsak sjekke arbeidet med kvantesystemer, noe som ikke er gjennomførbart ved hjelp av konvensjonelle metoder.

"Disse maskinene er i stand til å fange essensen av kvantesystemet på en svært kompakt måte," sa Carleo. "Nevrale nettverk forstår de aktuelle funksjonene i disse ekstremt komplekse systemene mer eller mindre automatisk. De er i stand til å forstå denne kompleksiteten og forvandle den til å forstå sine grunnleggende strukturer."

Dette er ikke første gang forskerne har brukt A.I. å gjøre noe sånt, men Carleos arbeid er i stand til å analysere mer forseggjort systemer enn forskningen som gikk foran det.

Qubits er organisert i forskjellige former for å løse ulike problemer. Tidligere nevrale nett var bare i stand til å revidere endimensjonale systemer, så en rett linje av qubits. Denne studien ble vellykket i stand til å sjekke "todimensjonale" og "gitterformede" qubits-arrays.

"For å karakterisere mer generelle kvanteprogrammer, må vi gå utover denne dimensjonale strukturen til qubits," uttalt Carleo. "Vår teknikk er et skritt fremover i denne retningen slik at vi kan takle vilkårlig arraignment av qubits."

Denne undersøkelsen viser at etableringen av en fullt funksjonell kvantecomputer vil være helt avhengig av maskinlæring. Uten slike dype læringsalgoritmer uansett hvor mange kvantesystemforskere samler, ville det ikke være noen måte å bevise at de faktisk jobber.

A.I. holder nøkkelen til den hellige gral moderne datamaskiner.